针对实际交通场景中车辆图像分割方法模糊、效果差的问题，基于UNet神经网络模型，提出了一种融合多尺度模块和空间注意机制的MSSA-UNET模型。在编码和解码阶段，利用空穴卷积构造多尺度模块，以改善卷积层感受野的尺寸限制，同时输出多尺度特征信息。在上采样之前，引入空间注意机制，弥补采样过程中局部信息的丢失，提高特征恢复能力。结合交叉熵损耗和Dice损耗，优化网络学习和训练过程，提高模型的分割精度。实验结果表明，本文提出的MSSA-UNET模型对IoU车辆图像分割任务的评价指标为83.48%，比改进前提高了2.28个百分点。模型的预测值更接近实际值，分割效果更好，有效地提高了模型的分割性能。